已收录文章摘要，完整内容可前往原文阅读。
阿里安全团队 投稿 量子位 | 公众号 QbitAI大视觉语言模型（LVLM）把语言理解扩展到了图像等多模态输入，同时，也带来了更隐蔽的攻击面。细微图像扰动、视觉文字或跨模态提示可能绕过安全对齐，让模